12、Python 之函数：你的代码是一整坨还是分块的

目录

引言

函数的好处

函数的基本用法

参数默认值的用法

lambda函数（匿名函数）

总结

---

引言

在前面的文章中，已经提过，所谓编程，核心内容只有两块：数据的表示、数据的处理。数据的表示可以通过各种基本类型、容器类型的组合来实现；数据的处理，就是在顺序、循环、分支的框架下，对数据结构进行不断重新赋值。

刚开始学习编程的新手，似乎不太习惯使用用户自定义函数（User Defined Function, UDF）来编写数据的处理功能。习惯于在脚本中按顺序进行语句与表达式的堆砌。

如果数据处理的逻辑表简单的话，不使用函数也是可以的，毕竟够用就好。但是，如果数据处理的逻辑比较复杂的话，还是使用代码一行行堆积来实现功能，就不太合适了……

可以想象一下，要从一坨几百行、几千行、甚至更多行的代码中读懂处理逻辑，然后还要进行修改、扩充。单单只是读，可能都要吐了。

程序员最怕的有两件事：1）读别人的代码；2）读自己的代码。

所以，为了避免日后自己看吐或者把别人看吐，UDF还是需要学一下的。

函数的好处

Python程序员首先应该考虑的代码整理工具就是函数（function）。与其他编程语言一样，Python的函数也可以把大段程序分解为多个小块儿，并且用直观的名字表示每块儿代码的用途。这样可以让代码更好理解，也更容易复用与重构。

简单梳理一下，在编程中，使用函数的好处有如下：

• 代码的复用：一次定义，多次调用。
• 提高代码的可维护性：代码复用的情况下，一次修改，多处生效。
• 逻辑分离与模块化：代码不再是一整坨，而是一块块的。
• 提高代码的可读性：代码逻辑分离与模块化之后，自然更加易读、易于维护。
• 提高可扩展性：使用函数，可以更加容易进行功能的添加、或者修改。
• 易于调试：模块化的好处，可以各自独立进行功能的调试，快速定位到问题。

函数的基本用法

编程语言中的函数概念，可以类比于数学中的函数的概念。函数的用途在于对数据进行处理，所以，通常需要有输入数据、数据处理逻辑、和输出数据。

在Python中自定义一个函数，可以如下操作：

def my_sum(a, b):
    """
        计算两个数的和，并返回
    :param a:
    :param b:
    :return: a + b
    """
    return a + b

可以大概看到一个函数的构成，主要包含：

• def关键字：用于定义函数。
• 函数头：函数名(参数列表)，参数列表可以为空。
• docstring：函数的说明文档，以三个引号括起来的字符串，可以没有，如果有，需要放在行数体内的第一行。
• 函数体：数据的处理逻辑代码。
• 返回值：使用return语句将要输出的数据进行返回，可以没有，没有的话，就是返回None。

以上只是一个函数的定义，要把函数的功能用起来，需要对函数进行调用：

result = my_sum(10, 20)
print(result)

调用函数非常简单，只需要将参数对应传入即可。
通过赋值语句接收函数的返回值。

参数默认值的用法

Python支持在函数的定义过程中，给部分参数设置默认值，从而支持当默认情况满足需求的情况下，减少参数个数的传递，从而更加便于使用。而且，可以通过参数默认值，增加函数的灵活性。
比如：登录用户，能够获取到用户名，如果未登录用户，则以‘游客’来称呼：

def greet(username='游客'):
    return f"{username}，您好，欢迎使用XXX系统"


print(greet())
print(greet('南宫理'))

执行结果：

需要注意的是，带默认值的参数，只能出现在参数列表的最后，可以是多个，否则会报语法错误。

这个语法规定，应该很好理解，如果你是Python解释器，你怎么处理带默认值的参数，才能不会出现二义性呢。

lambda函数（匿名函数）

本着能用一行代码解决的事情，绝不写第二行的理念。有些情况下，使用def定义函数，有点繁琐了……

好在Python提供了lambda函数的支持。

lambda函数一种匿名函数，可以实现在一行代码中定义一个功能相对简单的函数。直接上代码：

my_sum = lambda a, b: a + b
result = my_sum(10, 20)
print(result)

greet = lambda username='游客': f'{username}，您好，欢迎使用XXX系统'
print(greet())
print(greet('南宫理'))

前面两个简单函数的lambda实现，确实少了一行代码。
但是，其实lambda函数，更多地应用于将函数作为参数传递的场景，比如，当我们使用内置函数sorted()时，先看下sorted()函数的说明文档：

函数中有个key参数，用于传递一个表示排序规则的函数，函数返回一个新的list，包含排序之后的数据，而不会修改原来的对象。
此外，sorted函数还有一个带默认值的参数reverse=False，表示默认按照升序排列。

以一个关于成绩排序的场景，来简单使用一下该函数：

from faker import Faker
# 从rich模块导入print，覆盖builtins中的print
from rich import print
from rich.console import Console
console = Console()

fk = Faker('zh_CN')
# 生成测试数据，姓名，语文成绩、数学成绩、英语成绩
scores = [{'name': fk.name(), 'chinese': fk.random_int(0, 100), 'math': fk.random_int(0, 100),
           'english': fk.random_int(0, 100)} for i in range(5)]


def get_chinese(score):
    return score['chinese']


scores_sort_by_chinese = sorted(scores, key=get_chinese)
console.rule('排序前')
print(scores)
console.rule('排序后')
print(scores_sort_by_chinese)

执行结果：

这里，定义了一个get_chinese()的函数，作为key的参数。由于排序的规则比较简单，更适合使用lambda函数。

from faker import Faker
# 从rich模块导入print，覆盖builtins中的print
from rich import print
from rich.console import Console
console = Console()

fk = Faker('zh_CN')
# 生成测试数据，姓名，语文成绩、数学成绩、英语成绩
scores = [{'name': fk.name(), 'chinese': fk.random_int(0, 100), 'math': fk.random_int(0, 100),
           'english': fk.random_int(0, 100)} for i in range(5)]

scores_sort_by_chinese = sorted(scores, key=lambda score: score['chinese'])
scores_sort_by_math = sorted(scores, key=lambda score: score['math'], reverse=True)
scores_sort_by_english = sorted(scores, key=lambda score: score['english'], reverse=True)
console.rule('排序前')
print(scores)
console.rule('按语文成绩升序排序')
print(scores_sort_by_chinese)
console.rule('按数学成绩降序排序')
print(scores_sort_by_math)
console.rule('按英语成绩降序排序')
print(scores_sort_by_english)

执行结果：

总结

由于篇幅所限，这篇文章只介绍了关于函数的优点，以及函数的一些基础用法。最后在介绍lambda函数的时候，以一个简单的实际案例做了演示。案例中用到的rich和faker第三方框架，在前面的文章中已经介绍过，为了便于不熟悉的小伙伴学习使用，省去到故纸堆里搜检的工作，我把链接附在文章末尾。

3、Python之Faker：更巧妙的批量数据生成

5、Python之rich：GUI之外，终端呈现也能玩出花